Aprendizado Profundo para Equações Diferenciais Parciais
Ajude a manter o site livre, gratuito e sem propagandas. Colabore!
Referências
-
[AÖ10]
D. Ağırseven and T. Öziş (2010)
An analytical study for fisher type equations by using homotopy perturbation method.
Computers & Mathematics with Applications 60 (3), pp. 602–609.
External Links: ISSN 0898-1221,
Document,
Link
Cited by: Exemplo 4.3.1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[CWW+21]
S. Cai, Z. Wang, S. Wang, P. Perdikaris, and G. E. Karniadakis (2021-04)
Physics-informed neural networks for heat transfer problems.
Journal of Heat Transfer 143 (6), pp. 060801.
External Links: ISSN 0022-1481,
Document,
Link,
https://asmedigitalcollection.asme.org/heattransfer/article-pdf/143/6/060801/6688635/ht_143_06_060801.pdf
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[FGM+23]
F. Fernández de la Mata, A. Gijón, M. Molina-Solana, and J. Gómez-Romero (2023)
Physics-informed neural networks for data-driven simulation: advantages, limitations, and opportunities.
Physica A: Statistical Mechanics and its Applications 610, pp. 128415.
External Links: ISSN 0378-4371,
Document,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[GBC16]
I. Goodfellow, Y. Bengio, and A. Courville (2016)
Deep learning.
Adaptive Computation and Machine Learning series, MIT Press.
External Links: ISBN 9780262337373,
LCCN 2016022992,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[HAY09]
S.S. Haykin (2009)
Neural networks and learning machines.
Pearson International Edition, Pearson.
External Links: ISBN 9780131293762,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[MJK20]
Z. Mao, A. D. Jagtap, and G. E. Karniadakis (2020)
Physics-informed neural networks for high-speed flows.
Computer Methods in Applied Mechanics and Engineering 360, pp. 112789.
External Links: ISSN 0045-7825,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[RPK19]
M. Raissi, P. Perdikaris, and G.E. Karniadakis (2019)
Physics-informed neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations.
Journal of Computational Physics 378, pp. 686–707.
External Links: ISSN 0021-9991,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[VBB22]
S. R. Vadyala, S. N. Betgeri, and N. P. Betgeri (2022)
Physics-informed neural network method for solving one-dimensional advection equation using pytorch.
Array 13, pp. 100110.
External Links: ISSN 2590-0056,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
Envie seu comentário
Aproveito para agradecer a todas/os que de forma assídua ou esporádica contribuem enviando correções, sugestões e críticas!
Este texto é disponibilizado nos termos da Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional. Ícones e elementos gráficos podem estar sujeitos a condições adicionais.
Aprendizado Profundo para Equações Diferenciais Parciais
Ajude a manter o site livre, gratuito e sem propagandas. Colabore!
Referências
-
[AÖ10]
D. Ağırseven and T. Öziş (2010)
An analytical study for fisher type equations by using homotopy perturbation method.
Computers & Mathematics with Applications 60 (3), pp. 602–609.
External Links: ISSN 0898-1221,
Document,
Link
Cited by: Exemplo 4.3.1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[CWW+21]
S. Cai, Z. Wang, S. Wang, P. Perdikaris, and G. E. Karniadakis (2021-04)
Physics-informed neural networks for heat transfer problems.
Journal of Heat Transfer 143 (6), pp. 060801.
External Links: ISSN 0022-1481,
Document,
Link,
https://asmedigitalcollection.asme.org/heattransfer/article-pdf/143/6/060801/6688635/ht_143_06_060801.pdf
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[FGM+23]
F. Fernández de la Mata, A. Gijón, M. Molina-Solana, and J. Gómez-Romero (2023)
Physics-informed neural networks for data-driven simulation: advantages, limitations, and opportunities.
Physica A: Statistical Mechanics and its Applications 610, pp. 128415.
External Links: ISSN 0378-4371,
Document,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[GBC16]
I. Goodfellow, Y. Bengio, and A. Courville (2016)
Deep learning.
Adaptive Computation and Machine Learning series, MIT Press.
External Links: ISBN 9780262337373,
LCCN 2016022992,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[HAY09]
S.S. Haykin (2009)
Neural networks and learning machines.
Pearson International Edition, Pearson.
External Links: ISBN 9780131293762,
Link
Cited by: Aprendizado Profundo para Equações Diferenciais Parciais.
-
[MJK20]
Z. Mao, A. D. Jagtap, and G. E. Karniadakis (2020)
Physics-informed neural networks for high-speed flows.
Computer Methods in Applied Mechanics and Engineering 360, pp. 112789.
External Links: ISSN 0045-7825,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[RPK19]
M. Raissi, P. Perdikaris, and G.E. Karniadakis (2019)
Physics-informed neural networks: a deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations.
Journal of Computational Physics 378, pp. 686–707.
External Links: ISSN 0021-9991,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
-
[VBB22]
S. R. Vadyala, S. N. Betgeri, and N. P. Betgeri (2022)
Physics-informed neural network method for solving one-dimensional advection equation using pytorch.
Array 13, pp. 100110.
External Links: ISSN 2590-0056,
Document,
Link
Cited by: Capítulo 1,
Aprendizado Profundo para Equações Diferenciais Parciais.
Envie seu comentário
Aproveito para agradecer a todas/os que de forma assídua ou esporádica contribuem enviando correções, sugestões e críticas!
Este texto é disponibilizado nos termos da Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional. Ícones e elementos gráficos podem estar sujeitos a condições adicionais.